Effiziente Methoden zur Bewertung und Optimierung der Wiedergabequalität von HDR-Bildern
Die vorgeschlagenen HDR-Qualitätsmetriken nutzen ein einfaches inverses Displaymodell, um HDR-Bilder in einen Stapel von LDR-Bildern mit unterschiedlicher Belichtung zu zerlegen, die dann mit etablierten LDR-Qualitätsmetriken bewertet werden. Dadurch können die jüngsten Fortschritte bei LDR-Qualitätsmetriken direkt auf HDR-Bilder übertragen werden.
Großskalige Mehrhypothesen-Zellverfolgung mit Ultrametrischen Konturkarten
Eine effiziente Methode zur Verfolgung von Zellen in großen Mikroskopiedatensätzen, die sowohl Segmentierung als auch Verfolgung gemeinsam optimiert.
Automatische Quantifizierung von seriellen PET/CT-Bildern für pädiatrische Hodgkin-Lymphom-Patienten unter Verwendung eines längsschnittbewussten Segmentierungsnetzwerks
Ein längsschnittbewusstes Segmentierungsnetzwerk (LAS-Net) wurde entwickelt, um die automatische Quantifizierung von seriellen PET/CT-Bildern für pädiatrische Hodgkin-Lymphom-Patienten zu ermöglichen, indem relevante Merkmale aus der Baseline-PET-Untersuchung die Analyse der Interim-PET-Untersuchung informieren.
Effiziente Verarbeitung und Analyse von Inhalten zur Gewinnung von Erkenntnissen: Res-U2Net für die Phasenrückgewinnung und Bildrekonstruktion
Res-U2Net, eine neuartige untrainierte Deep-Learning-Architektur, kann die Leistung bei der Phasenrückgewinnung im Vergleich zu UNet und U2Net verbessern und hochwertige 2D- und 3D-Bildrekonstruktionen liefern.
Verteidigung von No-Reference-Bildqualitätsmetriken gegen adversarische Angriffe durch Reinigung
Dieser Artikel untersucht die Effizienz von Methoden zur adversarischen Reinigung als Verteidigung gegen adversarische Angriffe auf Bildqualitätsbeurteilungsmetriken. Es wurde eine umfangreiche Studie mit 10 adversarischen Angriffen und 16 Reinigungsmethoden durchgeführt und ein Datensatz von adversarischen Bildern veröffentlicht.
Tiefenoptik für Videoaufnahmen mit komprimierender Bildgebung
Die Arbeit präsentiert einen Deep-Optics-Rahmen, der die strukturierte Maske und ein effizientes Rekonstruktionsnetzwerk (Res2former) gemeinsam optimiert, um die Leistung der Echtzeit-Videoaufnahme mit komprimierender Bildgebung zu verbessern.
Leistungsverlustfreie Bildwasserzeichen für Diffusionsmodelle: Gaussian Shading
Gaussian Shading ist eine Technik zur Einbettung von Wasserzeichen in Diffusionsmodelle, die die Leistung des Modells nicht beeinträchtigt.
Hochwertige Datensatz für kontrollierbare Text-zu-Bild-Generierung durch Mehrschichten-Bildannotationen
Einführung eines neuartigen Datensatzes namens MuLAn, der über 44.000 Mehrschichten-Annotationen von RGB-Bildern als mehrschichtige, instanzweise RGBA-Zerlegungen und über 100.000 Instanzbilder umfasst. Dieser Datensatz soll die Entwicklung von Technologien zur Generierung von Bildern als RGBA-Stapel fördern und neue Möglichkeiten für die kompositorische Text-zu-Bild-Forschung eröffnen.
Natürliche Bildstichproben-Zusammensetzung unter Beibehaltung der objektbezogenen geometrischen Struktur
Die vorgeschlagene OBJ-GSP-Methode nutzt semantische Segmentierung, um objektbezogene geometrische Strukturen zu extrahieren und diese während der Bildtransformation zu erhalten, um eine natürliche und visuelle ansprechende zusammengesetzte Panoramaaufnahme zu erzielen.
Effiziente Verarbeitung und Analyse von Inhalten zur Gewinnung von Erkenntnissen: Ein diffusionsbasierter Ansatz für das Rechteckige Stitching von Bildern
Ein neuartiger diffusionsbasierter Lernrahmen, RecDiffusion, wird eingeführt, um die Probleme des nicht-rechteckigen Bildrahmens beim Stitching zu lösen. Dieser Rahmen kombiniert Bewegungsdiffusionsmodelle (MDM) zur Erzeugung von Bewegungsfeldern und Inhaltsdiffusionsmodelle (CDM) zur Verfeinerung der Bilddetails, um geometrisch korrekte und visuell ansprechende Ergebnisse zu erzielen.
© 2024 by Linnk AI